STM103 Spring 2009 

INTRODUCTION TO STATA  

1. DOWNLOADING DATA: ...................................................................................................................... 2 
Assignment 1 preparation .......................................................................................................................... 3 
Select variables ........................................................................................................................................... 3 
2. STARTING A STATA SESSION .............................................................................................................. 4 
Opening, Saving, and Closing the data file ................................................................................................. 5 
Keeping a log record of a Stata Session ...................................................................................................... 5 
Using Operators .......................................................................................................................................... 5 
3. WORKING WITH DATA ....................................................................................................................... 6 
To see what your selected variables contain: ............................................................................................ 6 
To look at the % distribution in categorical variables ................................................................................ 7 
To look at a table combining two categorical variables ............................................................................. 7 
Creating and Changing Values of Variables ................................................................................................ 8 
Labeling Variables and Values .................................................................................................................... 9 
Using Functions .......................................................................................................................................... 9 
Deleting Variables and Observations ......................................................................................................... 9 
list   ......................................................................................................................................................... 10 
Analysis of continuous (scale) variables ................................................................................................... 10 
Correlations .............................................................................................................................................. 10 
Estimating Linear Models (OLS and 2‐Stage Least Squares) ..................................................................... 11 
Estimating Non‐Linear Models (Logit and Probit) .................................................................................... 11 
logit   ......................................................................................................................................................... 11 
probit ........................................................................................................................................................ 12 
4. MAKING GRAPHS ............................................................................................................................. 12 
Histogram ................................................................................................................................................. 12 
Scatterplot ................................................................................................................................................ 12 
Bar graphs ................................................................................................................................................. 13 
Printing your graph ................................................................................................................................... 13 
5. UTILITIES ......................................................................................................................................... 13 
Viewing the Data ...................................................................................................................................... 13 
Creating and Submitting a Do File ............................................................................................................ 13 
6. CONVERTING DATA FILES (EXCEL TO STATA) .................................................................................... 14 
  
This provides a brief introduction to using Stata for the QoG dataset analysis. Stata is available on all of 
the  computers  in  the  Kennedy  School’s  computer  lab.  If  you  have  a  home  computer  you  may  want  to 
purchase a copy of Stata from the CMO. Stata is available for Windows98, Windows 2000, Windows ME, 
Windows  XP,  Windows  NT,  Macintosh,  and  UNIX  operating  systems.  The  Stata  User’s  Guide  is  also 
available from the CMO. 
The  commands  outlined  below  assume  that  you  are  using  Stata  for  Windows.  Throughout  this  text, 
anything  appearing  in  Bold  font  is  a  Stata  command,  whereas  anything  in  red  italics  is  a  variable  name 
which you should change for your specific analysis. Menu commands are indicated as, e.g., File | Open, to 
indicate that you first go to the File menu and then choose the Open option. The Blue Courier is the 
type of output you should generate.  As a shortcut, you can also just copy and paste any of the command 
lines here directly into your Stata Command window then run. 
 

Norris ‐ Introduction to Stata ‐2009 
1
  

1. DOWNLOADING DATA:  
Go to the QoG website: http://www.qog.pol.gu.se/ Go to Data: the QoG Data 

 
2. Download the correct version of the dataset. To start work, download the cross‐sectional dataset for 
Stata and save this somewhere clearly labeled on your memory stick, hard drive or shared server space. 

 
3. Also save the PDF version of the FULL Codebook somewhere safe; it is very long but an invaluable 
reference document. 
  
 
 

Norris ‐ Introduction to Stata ‐2009 
2
  

ASSIGNMENT 1 PREPARATION 
The aim is to write a professional report assessing and comparing the problems of democratic governance 
reform in one world region. Pick your region:  
 Latin America and the Caribbean,  
 Africa,  
 Asia,  
 Central and Eastern Europe,  
 Middle‐East 
 Western Europe 
Think about the key problems of democratic governance in the region. From your experience and your 
reading, what are the priorities for agencies? Can you rank them? Focus on the most important 2‐3 issues 
in the first instance. Then look carefully at the shared dataset codebook. Start by selecting 3‐4 indicators 
which relate to the problems you have decided to focus upon. The shared class dataset provides the 
following indicators, along with many others: 
1. Freedom House index of political rights and civil liberties 
2. Polity IV Project Democracy and Autocracy scales 
3. Cheibub and Gandhi Democracy‐Autocracy classification 
4. Vanhanen Democracy Index 
5. World Values Survey/Global Barometers Attitudinal surveys 
6. Kaufmann/Kray World Bank Institute Good governance indicators 
7. Transparency International Corruption index 
  
 SELECT VARIABLES 
You  can  use  the  whole  dataset  without  doing  anything  further  but  there  are  a  LOT  of  variables  in  the 
dataset. To simplify your life and make it less confusing, for this exercise you will find it easier to identify a 
sub‐set of key variables from the What It Is list which you want to use.  
You  can  always  go  back  to  select  more  variables  at  a  later  stage  (none  are  deleted)  but  first  work  out 
which variables to put into your subset i.e. what is important as indicators of democratic governance for 
your region.  Note in Stata it matters whether variable names are in capitals or not. 
Select the first ones listed below and pick about 5‐10 to add. Write down details in the list below so that 
you have this handy. Look in the full codebook for more details about the construction and meaning of 
each. 
Name  Brief description  Type 
cname  Country name  Nominal 
ht_region  Global region: 10 categories Nominal 
chga_regime  Cheibub and Ghandi: Type of democratic or autocratic regime Nominal 
     
fh_status  Freedom  House:  classification  of  states  into  free,  semi‐free  and  Ordinal 
not‐free 
     
p_polity  Combined polity score of democracy and autocracy Scale ‐10/+10
fh_cl  Freedom House civil liberties Scale 7‐pt
fh_pr  Freedom House political rights Scale 7‐pt
wbgi_vae  World Bank: Voice and accountability estimate Scale 
wbgi_pse  World Bank: Political stability estimate Scale 
wbgi_gee  World Bank: Government effectiveness Scale 

Norris ‐ Introduction to Stata ‐2009 
3
  

rsf_pfi  Reporters without Borders: Press Freedom Index Scale 100‐pts

ti_cpi  Transparency International: Corruption Perception Index Scale 100‐pts
     
     
     
     
     
     
     
     
     
     
     
  

2. STARTING A STATA SESSION 

Start Stata by locating the link on the desktop and clicking. StataSE 8.lnk  

Stata is a powerful tool for conducting statistical analyses. Here is what a typical session in Stata looks like. 

 
The windows can be moved about and re‐sized to suit your preferences. If you do not see any of these on 
your version, go to Window and add these until they look roughly like the above. 

Norris ‐ Introduction to Stata ‐2009 
4
  

a. Here the Results window lists the outcome.   
b. The Variables window, on the left, lists the names of all the variables included in the shared dataset.  
c. You can enter commands in two ways. To start learning the program, you can use the drop down 
menus, similar to those common in Microsoft programs. This is useful for beginners. Once you become 
more familiar with the program, you will want to type in commands directly, to save time, using the 
Command window at the bottom center of the screen.   A command tells Stata what to do – e.g, to open a 
file, to run a regression, to calculate a mean of a variable, etc. 
d. The Review window shows a list of all the commands you have already run. (Here, it shows that I have 
opened a data file.) If you click on a previously‐run command in the Review window, it will appear in the 
Command window and you can edit it or run it again.  
 

OPENING, SAVING, AND CLOSING THE DATA FILE 
You will then need to open the data file you have saved. You may need to boost the memory allocated. 
Set memory 80000 
File | Open  
File| Save As     
It is also always useful to have a backup copy of your data. This way, no matter what you do to change or 
recode the variables, you always have a copy of the older version. It is also useful practice to save your 
data file at the end of each session under a new sequential version (eg STM103_2, STM103_3, so that you 
have the old and newest file in case you need to revert back. 
File | Exit 
Whenever you finish, to exit Stata. 

KEEPING A LOG RECORD OF A STATA SESSION 
File| log 
To save a file (“log”) of your results, you will need to create a log file. Stata gives you two choices of file 
formats for your log file, .log (text file) and .smcl (formatted log file). The .smcl files will look nicer when 
printed. You should never ever cut and paste your Stata output directly into your report; always simplify, 
clean and transfer in a professional and clean format. 
To start a log file interactively, choose File | Log | Begin, select the directory you want to save the log file 
in, and give it a name (such as job1). Alternately, you can click on the fourth icon from the left on the icon 
bar, which looks like a scroll. 
File |Log | Close  

USING OPERATORS 
Stata uses the following arithmetic operators: 
+   add 
‐   subtract 
*   multiply 
/   divide 
^   raise to the power 

Norris ‐ Introduction to Stata ‐2009 
5
  

For relations, Stata uses: 
= =  equal 
~=   not equal 
>   greater than 
<   less than 
>=   greater than or equal to 
<=   less than or equal to 
Note that a single equal sign (=) is used when assigning a value to a variable: 
gen wage = salary/(hours*weeks) 
but a double equal sign (= =) is used when asking Stata to make a comparison: 
replace fulltime = 1 if hours == 40 
For logical operations, Stata uses: 
&   and 
|   or (pipe sign; what you get when you hit Shift and the “\” key) 
~   not 
 
Note that when typing variable names the capitalization matters, follow the exact labels in the var list.   

3. WORKING WITH DATA 
 
The QoG is a very long dataset so to simplify your life you may want to start by moving the key variables 
you have selected to the top of the list. That way you can find them easily instead of having to hunt 
through each time. To do this, using the top menu go to  Data | Variable Utilities | Relocate variable 
To do this using a command type: 
order cname ht_region p_polity fh_status fh_cl fh_pr chga_regime wbgi_vae wbgi_pse wbgi_gee rsf_pfi 
ti_cpi 
Add the names of your other selected variables to this list…. Arrange them in a logical order. 
This moves all your selected variables to the top of the list of variables. 
When you have these in the order you need, save the file with a new name. That way you always have the 
original and a backup working file. 
You can also rename variables but at the start its best to keep the names in the codebook to preserve the 
record. 
 

TO SEE WHAT YOUR SELECTED VARIABLES CONTAIN: 
Let’s now get some basic descriptive results. First we can look at some of the most common variables we 
are using and once we have completed this exercise you should substitute the 5‐10 variables you have 
chosen to get a sense of what is available.  
Let’s start with some different types of variables. Nominal categories have no particular order, such as 
North, South, East, West. Ordinal categories have a sequential order but a limited number of categories, 
such as High, Medium and Low. Scale variables are ordered into a continuous series, for example level of 
GDP in dollars.  

Norris ‐ Introduction to Stata ‐2009 
6
  

First let’s summarize your selected variables. Type: 
sum ht_region p_polity fh_cl fh_pr

Variable | Obs Mean Std. Dev. Min Max

-------------+--------------------------------------------------------
ht_region | 192 4.526042 2.644633 1 10
p_polity | 160 1 14.45487 -77 10
fh_cl | 192 3.385417 1.821166 1 7
-------------+--------------------------------------------------------
fh_pr | 192 3.364583 2.156785 1 7
chga_regime | 189 .3968254 .4905386 0 1

 
This is very useful for looking at your selected variables to see what they are like, whether nominal, 
ordinal or scale (continuous). E.g. chga_regime is a binary 2‐ category variable. Try this for a couple of 
your variables and add notes to your selected vars on page 2. 
summarize can be abbreviated to sum. You can also look at more detail. eg 
sum ht_region, detail 
You can do the same just for one selected region 
sum p_polity if ht_region == 1, detail 

TO LOOK AT THE % DISTRIBUTION IN CATEGORICAL VARIABLES 
For categorical variables, try the following which generates some simple frequencies ie look at the 
number of countries (Freq) and the percent column. 
. tab1 ht_region
The Region of the Country | Freq. Percent Cum.
----------------------------------------+-----------------------------------
1. Eastern Europe and post Soviet Union | 27 14.06 14.06
2. Latin America | 20 10.42 24.48
3. North Africa & the Middle East | 20 10.42 34.90
4. Sub-Saharan Africa | 48 25.00 59.90
5. Western Europe and North America | 27 14.06 73.96
6. East Asia | 6 3.13 77.08
7. South-East Asia | 11 5.73 82.81
8. South Asia | 8 4.17 86.98
9. The Pacific | 12 6.25 93.23
10. The Caribbean | 13 6.77 100.00
----------------------------------------+-----------------------------------
Total | 192 100.00

TO LOOK AT A TABLE COMBINING TWO CATEGORICAL VARIABLES 

Norris ‐ Introduction to Stata ‐2009 
7
  

tab2 ht_region chga_regime, col

-> tabulation of ht_region by chga_regime

The Region of the | Type of Regime

Country | 0. Democr 1. Dictat | Total
----------------------+----------------------+----------
1. Eastern Europe and | 17 10 | 27
| 14.91 13.33 | 14.29
----------------------+----------------------+----------
2. Latin America | 17 3 | 20
| 14.91 4.00 | 10.58
----------------------+----------------------+----------
3. North Africa & the | 3 17 | 20
| 2.63 22.67 | 10.58
----------------------+----------------------+----------
4. Sub-Saharan Africa | 20 28 | 48
| 17.54 37.33 | 25.40
----------------------+----------------------+----------
5. Western Europe and | 26 0 | 26
| 22.81 0.00 | 13.76
----------------------+----------------------+----------
6. East Asia | 4 2 | 6
| 3.51 2.67 | 3.17
----------------------+----------------------+----------
7. South-East Asia | 3 7 | 10
| 2.63 9.33 | 5.29
----------------------+----------------------+----------
8. South Asia | 3 5 | 8
| 2.63 6.67 | 4.23
----------------------+----------------------+----------
9. The Pacific | 8 3 | 11
| 7.02 4.00 | 5.82
----------------------+----------------------+----------
10. The Caribbean | 13 0 | 13
| 11.40 0.00 | 6.88
----------------------+----------------------+----------
Total | 114 75 | 189
| 100.00 100.00 | 100.00

CREATING AND CHANGING VALUES OF VARIABLES 
Recode and generate 
This helps to categorize the value of an existing scale variable. For example, take the variable called 
“p_polity” that contains the 20 point Polity IV scale for each nation in your study. But you want the scale 
to be collapsed into two types of regime, democracies  and autocracies. To do this, generate a new 
variable called “regime” and recode it as follows: 
gen regime= p_polity 
recode regime ‐10/‐1=0  0/10=1 
sum regime 
When recoding your data, be careful not to overwrite your original variable. You can check what you have 
done with the summary or tab1 commands. 
Or you may want to creates a new variable, in this case “fh_scale”, defined as “fh_cl” plus “fh_pr”: 
Generate fh_scale=(fh_cl+ fhpr) 
You can use any formula to standardize the scale.eg  
generate fh_scale100 = 100‐(fh_cl + fh_pr)*7.1 
To generate a new binary variable for your region, if  Africa (coded ) 

Norris ‐ Introduction to Stata ‐2009 
8
  

generate africa    = .    
replace  africa    = 1 if (ht_region == 4)  
replace  africa   = 0 if (ht_region ~ =4)  
 
You can abbreviate this command with “gen”. Note that Stata will tell you if any missing values were 
generated by attempting to perform a calculation with missing information. For example, if one of the 
observations was missing information on “hours,” Stata would set “yrhrs” equal to missing for this 
observation. (See further notes about missing data later in this section.) 
Once a variable with a particular name has been generated you can’t generate another with the same 
name. Instead, you must replace the old one.  
 

LABELING VARIABLES AND VALUES 
Labeling variables and values helps you keep track of how you coded your variables and what they 
represent. It takes just a couple of seconds to add labels, and it can save you lots of time later when you 
can’t remember what the a code of “4” means in your GDP category variable, for example, or how the 
variable “demo1” differs from “demo2”. 
To attach a label to a variable and its values: 
label variable africa “World region” 
label values africa  africalabel 
label define africalabel  0 “Rest of the world” 1 “Sub‐Saharan Africa” 
 

USING FUNCTIONS 
Functions are special calculations used with other commands, such as generate or replace. Stata has the 
capability to calculate many functions. Here are some examples of the most commonly used ones. 
ln(x) 
Calculates the natural log of x, where x may be a constant or a variable such as “mad_gdppc”. 
In a command, you might use the log function like this: 
gen logGDP2006 = ln(mad_gdppc) 
 
 
 

DELETING VARIABLES AND OBSERVATIONS 
drop 
The  drop  command  can  delete  either  variables  or  observations.  Deleting  a  variable  removes  an  entire 
variable  (column)  from  the  data  set,  whereas  deleting  an  observation  removes  an  entire  observation 
(row)  from  the  data  set.  Be  careful  when  doing  this  –  the  variables  and  observations  are  permanently 

Norris ‐ Introduction to Stata ‐2009 
9
  

deleted once you save the data file! It is far better to retain the whole dataset but to filter for the selected 
region. 
To eliminate a variable, in this case “mad_gdppc”: 
drop mad_gdppc 
To eliminate observations, in this case Eastern Europe as a region: 
drop if ht_region == 1 
Alternatively you could just keep a sub‐set of data: 
keep if africa==1 
 

LIST 
Prints all variables and observations to the screen. You’ll probably never want to do this since your data 
sets will be too large. 
list 
You can print a limited set of variables: 
list  fh_status  
You could also print a limited set of observations according to another criteria, in this case “Africa” being 
equal to 1: 
list cname fh_status fh_cl fh_pr if ht_region == 3 
codebook 
Provides even more information (mean, standard deviation, range, percentiles, labels, number of missing 
values, etc.) about a variable: 
codebook fh_statu fh_pr fh_cl 
 

ANALYSIS OF CONTINUOUS (SCALE) VARIABLES 
EXAMINING MEANS BY CATEGORY 
In this case the category is ht_region and the mean is calculated for p_polity. You can do this with various 
commands eg 
table ht_region, contents(mean p_polity ) 
tabstat p_polity fh_status fh_cl fh_pr, by(ht_region) columns(variables) 
mean p_polity, over(ht_region) 

CORRELATIONS 
corr fh_cl fh_pr   p_polity 
With significance (P) printed below in stars for all coefficients significant at .05 or above 
pwcorr fh_cl fh_pr p_polity, star(5)
 

Norris ‐ Introduction to Stata ‐2009 
10
  

ESTIMATING LINEAR MODELS (OLS AND 2‐STAGE LEAST SQUARES) 
regress 
Calculates an ordinary least squares (OLS) regression, in this case for a regression of the dependent 
“p_polity” on the independents “GDP” and “al_ethnic”. Note that the dependent variable is the first 
variable listed. 
regress p_polity  mad_gdppc al_ethnic 
If you wish to only include observations with “Africa” equal to 1 in the regression: 
regress p_polity  mad_gdppc al_ethnic if africa == 1 
To run a regression with robust standard errors: 
regress Stable2006 GDP2006 Africa, robust 
To run two‐stage least squares where “GDP” is endogenous and “z1" is an exogenous instrumental 
variable: 
regress p_polity  al_ethnic (mad_gdppc  z1) 
Note: If you run a regression containing more than 40 variables, Stata will return an error code saying: 
matsize too small 
To overcome this problem, reset the maximum number of variables Stata will estimate using the matsize 
command; the number should be greater than or equal to the total number of variables in the regression. 
set matsize 150 
predict 
Calculates the predicted value for each observation using the coefficients from the last regression 
estimated and saves these as a variable called “yhat”: 
predict yhat 
To calculate the residual for each observation using the most recently estimated regression model and 
save these as a variable called “ehat”: 
predict ehat, residual 
test 
Calculates an F‐test of a joint hypothesis concerning the coefficients in the most recently 
estimated linear regression model, in this case with the null hypothesis H0: βage = βsex = 0: 
test al_ethnic mad_gdppc 
 

ESTIMATING NON‐LINEAR MODELS (LOGIT AND PROBIT) 
LOGIT 
Estimates a model suitable for a dichotomous dependent variable. In this case, the variable 
“chga_regime” equals 1 for democracy and 0 for autocracy.  
logit chga_regime al_ethnic mad_gdppc  

Norris ‐ Introduction to Stata ‐2009 
11
  

If you wish to find a predicted probability for each observation based on the most recent model run and 
save these as a variable called “phat”: 
predict phat 

PROBIT 
Estimates a model suitable for a dichotomous dependent variable. In this case, the variable 
“chga_regime” equals 1 for democracy and 0 for autocracy. If you wish to estimate the probability of 
“chga_regime” conditional upon al_ethnic mad_gdppc:  
probit chga_regime al_ethnic mad_gdppc 
If you wish to find a predicted probability for each observation based on the most recent model run and 
save these as a variable called “phat”: 
predict phat 

4. MAKING GRAPHS 
Stata 8 has a Graphics menu that lets you create graphs from a windows menu, as an alternative to using 
command language. The Graphics menu is a particularly user‐friendly way of creating graphs, since graphs 
contain so many options for labels, axes, etc. The Graphics menu is fairly intuitive to use—simply pull 
down the menu and choose the type of graph you want. The options are self‐explanatory. For those 
interested in using command language to create graphs, some of the basics are covered below, and you 
can reply on the graphics manual for more complicated creations. Also SPSS has better and far more 
flexible graphics. You may want to consider this program for this function alone. You can also cut and 
paste the results of tables into Excel for flexible formats and control over elements. 
  

HISTOGRAM 
This is the default when only one variable is specified: 
histogram p_polity 
You can also draw a normal density over the histogram: 
histogram p_polity, normal 
To have STATA graph only certain observations, in this case those for which “africa” is 1: 
histogram p_polity if africa == 1, bin(30) 
To add a title: 
histogram p_polity, title(“Polity IV Rating of Liberal Democracy in Africa”) 
 

SCATTERPLOT 
This is the default if two variables are specified:  
scatter wbgi_gee wbgi_pse   
Conditions, axes, titles, labeling and reference lines can be specified as above. For example: with labels 
scatter wbgi_gee wbgi_pse, t1(Effectiveness by stability) mlabel (cname) 

Norris ‐ Introduction to Stata ‐2009 
12
  

scatter wbgi_gee wbgi_pse, t1(Effectiveness by stability) 
After performing a regression, you may want to graph predicted and actual values of the dependent 
variable against the independent variable: 
scatter yhat1 scatter wbgi_gee wbgi_pse, xlabel ylabel symbol(o.) 
 

BAR GRAPHS 
This is produced with a graph command followed by one variable. A second variable is used to define 
groups. To produce a graph with bar heights representing the mean for each group: 
sort wbgi_gee 
graph bar (mean) wbgi_gee, over(ht_region) 
Conditions, y‐axis options, most titles, and horizontal reference lines can be specified as described above 
with regard to histogram: 
sort wbgi_gee  
graph bar (mean) wbgi_gee, over(africa) t1(Political Stability in Africa) t2(Title 2) l1(Mean Stability) 
l2(Another Title) yline(33000) 
 

PRINTING YOUR GRAPH 
Stata allows you to print (File | Print Graph) and save (File | Save Graph) your graphs. The easiest way to 
incorporate your graph into a Word document is to copy the graph to the clipboard using Edit | Copy 
Graph and then paste it into your document. Remember that all graphs should have a clear headline, to 
illustrate your report, with a full note below specifying the source of the data and any notes explaining 
variables. All graphs should be self‐contained without looking further in your report. 

5. UTILITIES 
VIEWING THE DATA 
Once you have opened a data set, you may wish to look at the variables and observations in spreadsheet 
format. Stata provides two ways to do this, “browse” and “edit”. The browse command lets you see the 
data but not make changes, whereas the edit command allows you both to browse and to make changes. 
It is probably best to use browse unless you actually intend to make changes to your data manually; 
otherwise you may accidentally change something and ruin your data. 
To browse, enter browse into the Command window or select the Browse icon (third from the right, a 
spreadsheet with a magnifying glass on it). To edit, enter edit into the Command window or select the 
Edit icon (fourth from the right, a spreadsheet with no magnifying glass). 
 

CREATING AND SUBMITTING A DO FILE 
Although Stata can be run interactively by just typing one command at a time, Stata commands can also 
be submitted in batches by using a “do file.” A do file is simply a text file which contains a series of Stata 
commands. You enter the Stata commands in the same order as you would enter them interactively, and 
Stata then runs these commands automatically instead of your having to type them in line by line. 

Norris ‐ Introduction to Stata ‐2009 
13
  

For your problem sets, it is strongly recommended that you use do files. Some of the problem sets will 
require many Stata commands, and it is inevitable that you will need to make changes and run these 
series of commands a number of times. When you have all of your commands in a single file, it is much 
easier to go back to that file and make the necessary changes than to have to retype every command. 
Creating a Do file 
To start creating a do file, click on the Do file editor button (fifth from the right, looks like an envelope 
with a pencil on it), choose the Do file editor option under the Window menu, or type doedit in the 
Command window. Note that since a do file is a written list of commands as entered in the Command 
window, you cannot use the Stata menus within a do file. Instead you need to use the typed (Command 
window) commands. 
 

6. CONVERTING DATA FILES (EXCEL TO STATA) 
The easiest way to convert data files is to use the software program StatTransfer. This program is on the 
lab computers and allows you to convert your data to or from a variety of different file formats (Stata, SAS 
Transport, Excel, SPSS, QuatroPro, FoxPro, etc.). 
To convert a file from Excel to Stata: 
a) Click on the application StatTransfer in the “Data Analysis” folder. 
b) Select “Excel Worksheet” for “Input File Type.” 
c) Use “Browse” to identify the Excel file you want to convert from. (If the first row of the 
worksheet contains the variable names, the program will use these as the variable names.) 
d) Select “Stata Version 8” as the “Output File Type.” (Since Stata 8.0 is a recent release, it is 
possible that the version of StatTransfer you’re using will not have Stata Version 8 as an option. If 
this is the case, save it as a version 7 file; you should still be able to open the file in version 8.) 
e) Type in the path and name of the file you wish to create. 
f) Begin the conversion by clicking on “Begin Transfer.” 
Stata also allows you to read in binary and ASCII files directly. However, in most cases it is easier 
to first convert your data to a spreadsheet and then convert it to Stata using StatTransfer. 
 

Norris ‐ Introduction to Stata ‐2009 
14
  

SUMMARY OF SPSS AND STATA COMMANDS
SPSS Command  Stata Command(s) SPSS Command Stata Command(s)
ADD FILES  append  GET FILE use 
AGGREGATE  collapse  GET SAS fdause 
ANOVA  anova  GRAPH graph 
destring  IF generate __ if __
AUTORECODE 
encode  IGRAPH graph 
CASESTOVARS  reshape wide  INCLUDE FILE do ___ 
*  LIST list 
COMMENT 
/* */ 
LOGISTIC REGRESSION logistic 
generate 
COMPUTE  replace  LOOP forvalues 
egen  MATCH FILES merge 
correlate  tabulate __, 
CORRELATIONS  MEANS 
pwcorr  summarize(__) 
tabulate  MISSING VALUES none 
CROSSTABS 
tab2 
MIXED xtmixed 
infile 
NOMREG mlogit 
DATA LIST  infix 
insheet  PLUM ologit 
keep  PROBIT probit 
DELETE VARIABLES 
drop  RECODE recode 
DESCRIPTIVES  summarize  RECORD TYPE no equivalent 
DISPLAY  describe  REGRESSION regress 
DOCUMENT  notes  RELIABILITY alpha 
DO IF  xyzcommand if RENAME VARIABLES rename 
DO REPEAT  foreach  SAMPLE sample 
ECHO  display  SAVE save 
ERASE  erase  keep if 
SELECT IF 
tabulate x,  drop if 
EXAMINE 
summarize(y)  SORT CASES sort 
EXECUTE  no equivalent  SPLIT FILE by 
EXPORT  no equivalent  tabulate ___, 
SUMMARIZE 
FACTOR  factor  summarize(___) 
FILE LABEL  label data  TEMPORARY.
xyzcommand if (___) 
SELECT IF (___). 
FILTER  xyzcommand if (___)
T‐TEST ttest 
FLIP  xpose 
VALUE LABELS
FORMATS  format 
VARIABLE LABELS
FREQUENCIES  tabulate 

Norris ‐ Introduction to Stata ‐2009 
15
  

Notes: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Norris ‐ Introduction to Stata ‐2009 
16